當前，全球癌癥患者數量呈逐年上升趨勢。癌癥驅動基因識別在探討癌癥的發生機制中扮演著重要角色，能夠為個性化精準治療提供策略。而現有方法在泛化性和可解釋性方面面臨挑戰。
中國科學院新疆理化技術研究所科研團隊與合作者，提出了可用于癌癥驅動基因識別的圖機器學習模型。這一模型融合人工智能與生物醫學的優勢，具備可靠的預測性能，兼具泛化性和可解釋性。該模型通過整合基因等生物分子的多組學數據以及同構/異構生物網絡的結構信息，提高了癌癥驅動基因預測的精確度，能夠更準確地識別出與癌癥發生發展密切相關的基因，為個性化治療方案提供科學依據。同時，癌癥驅動基因識別效率得到提升，利于癌癥早期診斷和治療策略制定。該模型通過解析多組學數據和網絡結構中的高階關聯，增強了可解釋性，為進一步探討癌癥的致病機制提供了線索，使得研究人員能夠剖析癌癥基因相關的調控機制，進而發現潛在的癌癥驅動基因。
該模型通過構建精準的癌癥基因調控圖譜，有望為個性化醫療和精準藥物研發開辟新途徑。同時，該模型在整合多組學數據和復雜網絡分析方面的優勢，使其具備跨疾病和跨領域應用的潛力。
相關研究成果發表在《自然-生物醫學工程》（Nature Biomedical Engineering）上。研究工作得到國家自然科學基金和中國科學院相關項目的支持。